Avaliação de algoritmos computacionais de reconhecimento digital de alvéolos em favos de abelhas africanizadas
Tipo de material:
ArtigoAssunto(s): Recursos online:
Em: Agropecuária Catarinense (Brazil) v. 36(3) p. 52-57; (2023)Sumário:
Resumo – As metodologias analógicas são bastante utilizadas para avaliar o estado geral, monitorar e estimar o desenvolvimento de colônias de abelhas Apis mellifera. Apesar de sua importância, tais métodos usados durante a etapa de campo são dificultosos, demorados e invasivos. Para verificar possibilidade de suprimir estas dificuldades, utilizou-se o software livre DeepBee©, de reconhecimento e classificação automática de alvéolos em imagens digitais. As imagens digitais foram obtidas com celular Androide utilizando-se uma câmara com iluminação artificial e sistema Bluetooth. As imagens foram obtidas em duas colmeias do tipo Langstroth, totalizando 28 imagens digitais. As colmeias estavam nos municípios de Videira e Caçador, em SC. O software DeepBee© detectou automaticamente sete classes de alvéolos: ovos, larvas, crias operculadas, pólen, néctar, mel e outros. Os algoritmos de processamento digital, topologia matemática e de reconhecimento de padrões por meio de redes neurais do DeepBee© permitiram a identificação do estado geral das colônias. Algumas falhas verificadas no reconhecimento de padrões sugerem necessidade de um novo treinamento da rede neural do software DeepBee© de forma a torná-lo uma ferramenta operacional para o acompanhamento do desenvolvimento das colônias de Apis mellifera africanizadas.
Termos para indexação: Apis mellifera; Redes Neurais; Imagens digitais; DeepBee©Sumário:
Abstract – Analogical methodologies are widely used to assess the general condition, monitor and estimate the development of Apis mellifera bee colonies. Despite their importance, these methods used during the field stage are complex, time-consuming and invasive. The free software DeepBee© was used to automatically recognize and classify alveoli in digital images to verify the possibility of eliminating these difficulties. The digital images were obtained from an Android cell phone using a camera with artificial lighting and Bluetooth. The images were taken in two Langstroth hives, totaling 28 digital images. The hives were in the municipalities of Videira and Caçador, SC. The DeepBee© software automatically detected seven classes of alveoli: eggs, larvae, operculated offspring, pollen, nectar, honey and others. Digital processing, mathematical topology and pattern recognition algorithms using DeepBee© neural networks allowed the identification of the general state of the colonies. Some flaws in pattern recognition suggest the need for new training of the DeepBee© software neural network to make it an operational tool for monitoring the development of Apis mellifera Africanized colonies.
Index terms: Apis mellifera; Neural networks; Digital images; DeepBee©
| Tipo de material | Biblioteca atual | Coleção | Número de chamada | Informaçaõ do volume | URL | Situação | Devolução em | Código de barras |
|---|---|---|---|---|---|---|---|---|
Periódicos
|
Biblioteca Nacional de Agricultura - Binagri Agrobase - Periódicos | Periódicos agrícolas | 2023 36(3) | Texto integral (PDF) | Não pode ser emprestado | 2024-3835 |
Publicação online; 15 ref.; 5 illus.; 3 tables; Summaries (En, Pt)
Resumo – As metodologias analógicas são bastante utilizadas para avaliar o estado geral, monitorar e estimar o desenvolvimento de colônias de abelhas Apis mellifera. Apesar de sua importância, tais métodos usados durante a etapa de campo são dificultosos, demorados e invasivos. Para verificar possibilidade de suprimir estas dificuldades, utilizou-se o software livre DeepBee©, de reconhecimento e classificação automática de alvéolos em imagens digitais. As imagens digitais foram obtidas com celular Androide utilizando-se uma câmara com iluminação artificial e sistema Bluetooth. As imagens foram obtidas em duas colmeias do tipo Langstroth, totalizando 28 imagens digitais. As colmeias estavam nos municípios de Videira e Caçador, em SC. O software DeepBee© detectou automaticamente sete classes de alvéolos: ovos, larvas, crias operculadas, pólen, néctar, mel e outros. Os algoritmos de processamento digital, topologia matemática e de reconhecimento de padrões por meio de redes neurais do DeepBee© permitiram a identificação do estado geral das colônias. Algumas falhas verificadas no reconhecimento de padrões sugerem necessidade de um novo treinamento da rede neural do software DeepBee© de forma a torná-lo uma ferramenta operacional para o acompanhamento do desenvolvimento das colônias de Apis mellifera africanizadas.
Termos para indexação: Apis mellifera; Redes Neurais; Imagens digitais; DeepBee©
Abstract – Analogical methodologies are widely used to assess the general condition, monitor and estimate the development of Apis mellifera bee colonies. Despite their importance, these methods used during the field stage are complex, time-consuming and invasive. The free software DeepBee© was used to automatically recognize and classify alveoli in digital images to verify the possibility of eliminating these difficulties. The digital images were obtained from an Android cell phone using a camera with artificial lighting and Bluetooth. The images were taken in two Langstroth hives, totaling 28 digital images. The hives were in the municipalities of Videira and Caçador, SC. The DeepBee© software automatically detected seven classes of alveoli: eggs, larvae, operculated offspring, pollen, nectar, honey and others. Digital processing, mathematical topology and pattern recognition algorithms using DeepBee© neural networks allowed the identification of the general state of the colonies. Some flaws in pattern recognition suggest the need for new training of the DeepBee© software neural network to make it an operational tool for monitoring the development of Apis mellifera Africanized colonies.
Index terms: Apis mellifera; Neural networks; Digital images; DeepBee©
BINAGRI